Commit cfd1c3b

committed

TensorFlow 1.2 적용

1 parent d6305bb commit cfd1c3bCopy full SHA for cfd1c3b

File tree

+10

-10

lines changed

+10

-10

lines changed

Lines changed: 1 addition & 1 deletion

Original file line number	Diff line number	Diff line change
`@@ -31,7 +31,7 @@`
`31`	`31`	`# RNN 에 학습에 사용할 셀을 생성합니다`
`32`	`32`	`# 다음 함수들을 사용하면 다른 구조의 셀로 간단하게 변경할 수 있습니다`
`33`	`33`	`# BasicRNNCell,BasicLSTMCell,GRUCell`
`34`		`-cell = tf.contrib.rnn.BasicRNNCell(n_hidden)`
	`34`	`+cell = tf.nn.rnn_cell.BasicRNNCell(n_hidden)`
`35`	`35`
`36`	`36`	`# RNN 신경망을 생성합니다`
`37`	`37`	`# 원래는 다음과 같은 과정을 거쳐야 하지만`

Lines changed: 4 additions & 4 deletions

Original file line number	Diff line number	Diff line change
`@@ -74,14 +74,14 @@ def make_batch(seq_data):`
`74`	`74`	`b = tf.Variable(tf.random_normal([n_class]))`
`75`	`75`
`76`	`76`	`# RNN 셀을 생성합니다.`
`77`		`-cell1 = tf.contrib.rnn.BasicLSTMCell(n_hidden)`
	`77`	`+cell1 = tf.nn.rnn_cell.BasicLSTMCell(n_hidden)`
`78`	`78`	`# 과적합 방지를 위한 Dropout 기법을 사용합니다.`
`79`		`-cell1 = tf.contrib.rnn.DropoutWrapper(cell1, output_keep_prob=0.5)`
	`79`	`+cell1 = tf.nn.rnn_cell.DropoutWrapper(cell1, output_keep_prob=0.5)`
`80`	`80`	`# 여러개의 셀을 조합해서 사용하기 위해 셀을 추가로 생성합니다.`
`81`		`-cell2 = tf.contrib.rnn.BasicLSTMCell(n_hidden)`
	`81`	`+cell2 = tf.nn.rnn_cell.BasicLSTMCell(n_hidden)`
`82`	`82`
`83`	`83`	`# 여러개의 셀을 조합한 RNN 셀을 생성합니다.`
`84`		`-multi_cell = tf.contrib.rnn.MultiRNNCell([cell1, cell2])`
	`84`	`+multi_cell = tf.nn.rnn_cell.MultiRNNCell([cell1, cell2])`
`85`	`85`
`86`	`86`	`# tf.nn.dynamic_rnn 함수를 이용해 순환 신경망을 만듭니다.`
`87`	`87`	`# time_major=True`

Lines changed: 4 additions & 4 deletions

Original file line number	Diff line number	Diff line change
`@@ -63,16 +63,16 @@ def make_batch(seq_data):`
`63`	`63`
`64`	`64`	`# 인코더 셀을 구성한다.`
`65`	`65`	`with tf.variable_scope('encode'):`
`66`		`- enc_cell = tf.contrib.rnn.BasicRNNCell(n_hidden)`
`67`		`- enc_cell = tf.contrib.rnn.DropoutWrapper(enc_cell, output_keep_prob=0.5)`
	`66`	`+ enc_cell = tf.nn.rnn_cell.BasicRNNCell(n_hidden)`
	`67`	`+ enc_cell = tf.nn.rnn_cell.DropoutWrapper(enc_cell, output_keep_prob=0.5)`
`68`	`68`
`69`	`69`	`outputs, enc_states = tf.nn.dynamic_rnn(enc_cell, enc_input,`
`70`	`70`	`dtype=tf.float32)`
`71`	`71`
`72`	`72`	`# 디코더 셀을 구성한다.`
`73`	`73`	`with tf.variable_scope('decode'):`
`74`		`- dec_cell = tf.contrib.rnn.BasicRNNCell(n_hidden)`
`75`		`- dec_cell = tf.contrib.rnn.DropoutWrapper(dec_cell, output_keep_prob=0.5)`
	`74`	`+ dec_cell = tf.nn.rnn_cell.BasicRNNCell(n_hidden)`
	`75`	`+ dec_cell = tf.nn.rnn_cell.DropoutWrapper(dec_cell, output_keep_prob=0.5)`
`76`	`76`
`77`	`77`	`# Seq2Seq 모델은 인코더 셀의 최종 상태값을`
`78`	`78`	`# 디코더 셀의 초기 상태값으로 넣어주는 것이 핵심.`

Lines changed: 1 addition & 1 deletion

Comments

(0)